现代战争日益由信息环境塑造,其中决策的速度、准确性与可靠性对取得作战成功至关重要。随着对手利用先进能力在信息环境中操纵、干扰与主导,海军陆战队必须采用变革性技术以保持竞争优势。本文探讨人工智能与机器学习(AI/ML)增强所有作战职能决策能力的潜力,并特别聚焦信息领域。人工智能与机器学习系统可提升态势感知能力、加速数据处理速度,并为动态作战环境中的指挥官提供可行动洞察。然而,将人工智能与机器学习能力整合至海军陆战队作战并非毫无风险。作战脆弱性、技术局限性与伦理风险均构成必须应对的重大挑战,以确保有效且负责任的实施。本研究结合条令审查、技术评估与作战想定,对人工智能与机器学习赋能决策的优势、劣势、机遇与威胁(SWOT)进行全面分析。针对作战职能的实用建议可指导海军陆战队整合人工智能与机器学习能力,从而强化决策能力并在未来竞争连续体冲突中确保信息优势。

信息环境是现代作战的主导因素。基于技术进步与信息在无数平台上的扩散,获取并保持信息优势的需求从未如此重要。信息战非动能却高度破坏性的特质,是敌对国投入大量资源扩展其信息能力的驱动因素。自美军2017年将信息确立为第七项联合作战职能以来,美海军陆战队在加强信息能力方面取得进步。从发布两份关键信息文件——《海军陆战队条令出版物(MCDP)8:信息》(2022年)与《海军陆战队作战出版物(MCWP)8-10:海军陆战队作战中的信息》(2024年),到2023年成立海军陆战队信息司令部(MCIC),海军陆战队已布局以赢得信息优势斗争来支持联合部队。这些工作凸显了信息作为既定作战职能的重要性与战略意义。

在指挥控制、机动、火力、情报、信息、后勤与部队防护等作战职能中,信息作为各项职能的赋能要素,被广泛视为其“共同分母”(美国海军陆战队[USMC],2024年,第11页)。信息是决策的养分,而决策是作战职能的关键方面,必须持续增强以获取相对于对手的作战优势。以人工智能与机器学习形式呈现的快速演进技术,可促进作战人员决策过程的速度与效能提升。随着这些新兴技术持续为部队提供关键能力,在海军陆战队内部运用时必须考量若干关键因素。

A. 问题与目的陈述

现代战争日益复杂的特性已将作战空间扩展至信息领域,其中决策的速度、准确性与可靠性可决定任务成败。随着对手采用复杂战术操纵、干扰并主导该领域,作战人员对先进工具处理与解读海量数据的需求日益增长。新兴人工智能与机器学习能力在应对此挑战方面具有变革性潜力。海军陆战队持续在现行作战中利用人工智能与机器学习能力以提升效能并演变为更具杀伤力的战斗力量。通过运用自动化数据分析、模式识别与以空前速度生成可行动洞察等能力,人工智能与机器学习技术使作战人员能够实时做出知情决策,从而增强作战效能与战略优势。

然而,人工智能与机器学习的运用伴随必须由海军陆战队考量的重大弱点与脆弱性。本研究审视将人工智能与机器学习系统整合至海军陆战队决策过程的益处与挑战,并探索如何在该信息领域利用这些技术以在现代战争中获取战略优势。

本文旨在分析将人工智能与机器学习整合至所有作战职能决策过程(尤其在信息环境作战(OIE)中)的优势与潜在局限。通过本研究,目标是开发增强人工智能与机器学习支持并降低海军陆战队作战决策过程脆弱性的方法。人工智能与机器学习的现存缺陷源于其无法检测错误或漏洞,即使这些错误极其严重。通过探索人机协同等协作作战方法以及人工智能与机器学习的两个关键阶段(训练与使用)来应对这些挑战。最终,本研究致力于提升组织效能与改进决策过程。

B. 方法论

本文提供定性化全面研究,审视当前海军陆战队、海军与联合条令、政策、出版物、范例及关于信息环境作战、人工智能与机器学习、作战与决策过程的开源信息。此外,检视关于伦理决策的范例与出版物以提供信息环境作战与人工智能与机器学习之间的关联性。作战想定旨在为人工智能与机器学习在海军陆战队作战中的运用提供背景。海军陆战队滨海团(MLR)作为研究人工智能与机器学习范例的主要作战单位。最后,运用优势、劣势、机遇与威胁(SWOT)分析结合信息职能(生成、保存、拒止与投射(GPDP))执行效能评估,对滨海团在想定中的人工智能与机器学习应用进行评价。

C. 主题范围

本研究范围聚焦于海军陆战队信息力量如何利用人工智能与机器学习支持所有作战职能中的决策。人工智能与机器学习等新兴技术为部队机对手提供利用机遇。这正是为何在整合新技术时必须遵循相关速度至关重要。同时,保持竞争优势需要全面理解这些系统为作战(特别是海军陆战队)带来的能力与问题。本文仅聚焦作战决策,不考察非作战行政活动中可能存在的其他效能提升。

D. 论文结构

本研究分为六个部分:引言、文献综述、海军陆战队作战职能、人工智能与机器学习能力与风险、滨海团想定,以及最终结论与建议。第二章文献综述为信息环境作战与决策过程的背景与作战概念提供语境。第三章作战职能探索海军陆战队七大作战职能如何通过信息视角实现整合与增强,强调人工智能与机器学习在获取信息优势与支持全战场决策中的关键作用。第四章人工智能与机器学习能力与风险检视人工智能与机器学习在海军陆战队作战中的能力与风险,突出其增强决策潜力的同时引入必须审慎管理的伦理考量、作战影响与技术挑战。第五章滨海团想定通过作战想定分析滨海团如何在争议海域环境中运用人工智能与机器学习系统,使用SWOT与GPDP框架评估技术整合对现代战争的优势、风险与影响。第六章呈现研究结论与建议,强调人工智能与机器学习系统如何增强决策并支持作战职能,同时倡导改进培训、伦理监督与跨部门协作以确保有效且负责任地整合至海军陆战队作战。

图2。联合兵种功能方法中的信息因素。

成为VIP会员查看完整内容
4

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《基于神经网络评估的军事模拟深度限制搜索》最新100页
专知会员服务
29+阅读 · 2024年11月15日
深度学习研究及军事应用综述
专知
27+阅读 · 2022年7月7日
国家自然科学基金
33+阅读 · 2015年12月31日
国家自然科学基金
17+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
24+阅读 · 2014年12月31日
国家自然科学基金
16+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
40+阅读 · 2014年12月31日
国家自然科学基金
37+阅读 · 2013年12月31日
A Survey of Large Language Models
Arxiv
482+阅读 · 2023年3月31日
Arxiv
79+阅读 · 2023年3月26日
Arxiv
174+阅读 · 2023年3月24日
Arxiv
25+阅读 · 2023年3月17日
VIP会员
相关基金
国家自然科学基金
33+阅读 · 2015年12月31日
国家自然科学基金
17+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
24+阅读 · 2014年12月31日
国家自然科学基金
16+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
40+阅读 · 2014年12月31日
国家自然科学基金
37+阅读 · 2013年12月31日
微信扫码咨询专知VIP会员